Hvorfor dit team bliver ved med at indsætte ting i ChatGPT i stedet for at bruge jeres officielle værktøjer
Mængden af kopiering og indsættelse i ChatGPT er ikke først og fremmest et complianceproblem, I skal kontrollere. Det er gratis, ærlig markedsundersøgelse af præcis, hvor jeres officielle værktøjer er for langsomme — hvis I er villige til at læse det sådan.
Spørg en driftsleder i et bureau med halvtreds personer, hvor kundearbejdet faktisk bliver gjort, og hun peger på et projektværktøj med en månedlig faktura og en tilladelsesoversigt. Spørg, hvor det virkelig sker, og det ærlige svar er i stigende grad en browserfane, der kører ChatGPT.
Det her er ikke en randvane, der er begrænset til nogle få regelbrydere på designteamet. Det ligger tæt på medianen. Work Trend Index 2024 fra Microsoft og LinkedIn, baseret på en undersøgelse af 31,000 medarbejdere i 31 lande, fandt, at 78% af de ansatte, der bruger generativ AI på arbejdet, tager deres egne AI-værktøjer med i stedet for dem, arbejdsgiveren har udleveret — en praksis, rapporten kalder BYOAI. I små og mellemstore virksomheder stiger tallet til 80%. En separat Annual Report 2025 fra 1Password, baseret på 5,000 medarbejdere, fandt et mere forsigtigt tal: 27% indrømmede, at de havde brugt AI-værktøjer, som virksomheden ikke havde godkendt, mens en undersøgelse fra Cybernews blandt mere end 1,000 amerikanske ansatte i september 2025 satte tallet til 59%. Spredningen er stor, fordi hver undersøgelse stiller et lidt andet spørgsmål — "har du nogensinde grebet til AI uden for de officielle kanaler" over for "støtter du dig bevidst til ikke-godkendt AI til dit vigtigste arbejde" — men hvert af disse tal ligger et godt stykke over, hvad de fleste it- og driftsledere ville gætte, hvis de blev spurgt uden forvarsel.
De fleste samtaler om det her faktum begynder med ordet "skygge" og slutter med et notat om politik for acceptabel brug. Den instinkt er forståelig. Den er også for det meste det forkerte første træk.
Hvad tallet faktisk måler
Begynd med det, disse undersøgelser ikke finder. De finder ikke, at medarbejdere er dovne, uforsigtige eller prøver at gå uden om ledelsen. Rapporten fra 1Password spurgte folk direkte, hvorfor de griber til ikke-godkendte AI-værktøjer, og de to førende svar var bekvemmelighed (45%) og en følelse af at være mere produktive (43%) — ikke "min chef tjekker det ikke" eller "jeg er ligeglad med politik". Folk gemmer sig ikke i ChatGPT, fordi det er forbudt. De gemmer sig i ChatGPT, fordi det er hurtigere end det, de egentlig skulle bruge i stedet.
Den forskel betyder noget, for den betyder, at kopier-og-indsæt-adfærden ikke først og fremmest er et disciplinproblem, I skal kontrollere. Den ligner mere en kunde, der vælger en konkurrents produkt frem for jeres. Hvis en kunde begynder at gå uden om jeres checkout, fordi en konkurrents er tre klik kortere, svarer I ikke ved at gøre det sværere at forlade checkouten — I finder ud af, hvad der er langsomt ved den. Samme logik gælder inde i en virksomhed. Hver gang nogen åbner ChatGPT i stedet for jeres opgaveværktøj, jeres beskedapp eller jeres interne wiki, afgiver de en ærlig, uopfordret stemme om, hvor de officielle værktøjer er for langsomme, ligger for mange klik dybt, eller mangler noget, de har brug for lige nu. Ingen udfylder en undersøgelse for at fortælle jer det her. De gør det bare, igen og igen, i skala — og det er præcis det, der gør det mere pålideligt end det meste feedback, I nogensinde vil indsamle med vilje.
Kopiering og indsættelse i ChatGPT er ikke bevis på, at jeres team ikke respekterer de værktøjer, I gav dem. Det er en løbende måling af præcis, hvor de værktøjer kommer til kort — registreret automatisk, i volumen, uden undersøgelsestræthed.
Hvor det her hører til: procesgæld, der bliver synlig
FabricLoops produktfilosofi har et navn for den underliggende tilstand, der frembringer den her adfærd: procesgæld — den ophobede, skjulte omkostning ved at sy værktøjer sammen, der ikke deler kontekst, betalt i den valuta, hvor mennesker manuelt skriver om, forklarer om og afstemmer information, der burde have flyttet sig af sig selv. Procesgæld står ikke i et regnskab. Den viser sig som de ti minutter, nogen bruger på at kopiere en kundetråd ud af en mail, ind i et dokument, og derefter opsummere den i hånden, fordi systemerne ikke taler sammen.
Generativ AI skabte ikke procesgæld. Den gav bare alle en meget hurtigere måde at betjene den på. Før ChatGPT havde en medarbejder, der stod over for en fragmenteret, langsom intern proces, to muligheder: at bide sig igennem den, eller at finde en uformel omvej — et personligt regneark, en sidebesked i Slack, en post-it. Nu er der en tredje mulighed, der tager ni sekunder og giver et reelt brugbart resultat: indsæt rodet i en chatbot, og lad den stå for afstemningen. Mængden af mennesker, der vælger den tredje mulighed, er en direkte aflæsning i realtid af, hvor meget procesgæld jeres organisation bærer, ét workflow ad gangen. Et team, der hele tiden indsætter i ChatGPT, er ikke udisciplineret. Det er et team, der betaler renter på procesgæld hurtigt nok til, at alle kan mærke det.
Det er også derfor, det sjældent virker at forbyde omvejen i sig selv. Et blokeret website eller et strengt politiknotat betaler ikke gælden tilbage — det fjerner bare den hurtigste tilgængelige måde at betjene den på, hvilket skubber folk tilbage mod langsommere omveje eller over på en privat telefon, hvor ingen kan se, hvad de laver overhovedet. Hvis det underliggende hul, der sendte nogen til ChatGPT i første omgang, stadig er der, har forbuddet gjort problemet mindre synligt, ikke mindre.
Intet af det her betyder, at risikoen er indbildt. Når nogen indsætter en kundekontrakt, et sæt noter fra medarbejdersamtaler eller en kundes kontooplysninger i en personlig konto hos ChatGPT, Claude eller Gemini, forlader de data jeres virksomheds kontrol og lander i en anden virksomheds infrastruktur, under den anden virksomheds servicevilkår — ofte gratisniveauet, som typisk har de svageste garantier for datahåndtering af alle de planer, der tilbydes. Det er en reel eksponering, og den fortjener en reel, klart formuleret advarsel frem for en fodnote. Fejlen er at lede med den her risiko som hele historien, fordi frygt er en dårlig drivkraft for adfærdsændring og et endnu dårligere diagnostisk redskab. Sig risikoen én gang, tag den alvorligt, og find så ud af, hvad der faktisk driver adfærden — for det er den del, I kan rette.
Læs det som data om kundeafgang, ikke som en overvågningslog
Det rigtige svar ligner den måde, et produktteam studerer kundeafgang på, ikke den måde, et compliance-team kører et audit på. I behøver ikke at læse nogen enkelt medarbejders ChatGPT-historik, og I bør ikke prøve — det er overvågning, det slider tillid hurtigere ned, end det skaber indsigt, og i de fleste jurisdiktioner skaber det sin egen juridiske eksponering. Det, I er ude efter, er det samlede mønster: hvilke workflows, roller og øjeblikke i en proces der pålideligt giver en omvej til et eksternt AI-værktøj. Det er et spørgsmål, I kan besvare med en kort, anonym pulsmåling, nogle ærlige samtaler med teamledere, eller — hvis jeres officielle værktøjer overhovedet har brugsanalyse — ved at se, hvor folk forlader en opgave halvfærdig, og hvor supportsager klumper sig omkring "det her tager for lang tid".
På tværs af undersøgelserne står et lille antal workflowkategorier for det meste af trafikken. Dataene fra 1Password folder det konkret ud: 22% af respondenterne sagde, at de bruger eksterne AI-værktøjer til at transskribere og opsummere noter fra kundeopkald, 21% bruger dem til at analysere kundedata, og 16% bruger dem både til analyse af virksomhedsdata og til at udarbejde materiale om rekruttering og medarbejdersamtaler. Ingen af de tilfælde er eksotiske. De er det almindelige bindevæv i at drive et voksende team eller en bureaukonto — øjeblikket lige efter et opkald slutter, og før noterne når et sted, hvor de er nyttige, øjeblikket hvor en leder har brug for en hurtig læsning af et regneark, ingen har bygget en rapport til, øjeblikket hvor nogen skal gøre en bunke spredt feedback til en sammenhængende vurdering. I næsten alle tilfælde er det underliggende arbejde reelt enkelt. Det, der er langsomt, er antallet af værktøjer, nogen skal åbne, og antallet af gange, de skal forklare kontekst igen, som allerede findes et sted i virksomheden, for at få det gjort ad den godkendte vej.
Gør den godkendte vej hurtigere, ikke omvejen sværere
Når I ved, hvilke to eller tre konkrete workflows der driver det meste af trafikken, er løsningen næsten aldrig en ny politik. Det er at lukke det faktiske hul. Konkret betyder det tre ting for en leder i et voksende team eller et bureau, nogenlunde i den her rækkefølge.
For det første: navngiv workflows præcist, ikke generisk. "Folk bruger ChatGPT til kundesager" er ikke specifikt nok til at handle på. "Kundechefer opsummerer opkaldsnoter i ChatGPT, fordi vores opgaveværktøj ikke har hurtig registrering fra et opkald, så ellers skulle de åbne tre separate skærme" er specifikt nok til at rette — og det er som regel et eller to af den slags, der står for det meste af volumen, ikke et dusin.
For det andet: mål omvejen op mod den godkendte vej i de enheder, der faktisk betyder noget for den person, der udfører arbejdet: antal klik, antal appskift, og antal gange de skal skrive noget om, der allerede findes et andet sted. Hvis det eksterne værktøj vinder med god margin på alle tre, er det jeres hul, og det kan som regel lukkes — en genvej til hurtig registrering, en skabelon, en integration der trækker den relevante tråd ind i værktøjet automatisk i stedet for at bede nogen gå hen og hente den.
For det tredje: når AI i sig selv er den reelt nyttige del — ikke kun farten, men selve opsummeringen eller udkastet — så bring en AI-evne ind i den godkendte flade i stedet for at lade, som om folk holder op med at ønske sig den. Det her er det egentlige argument for at bygge AI ind i de værktøjer, jeres team allerede lever i, i stedet for at lade den ligge strandet i en separat forbrugerapp uden jeres kontekst og uden jeres kontroller.
FabricLoops svar på det her hul er Loop Agent, bygget på Model Context Protocol, så den kan handle inde i de samme Groups, hvor jeres beskeder, opgaver og noter allerede lever — opsummere en tråd, udarbejde en opgave ud fra en samtale eller hente en note frem, uden at nogen forlader appen eller forklarer kontekst igen, som allerede er der. Pointen er ikke at slå ChatGPT på funktioner. Det er at gøre den godkendte vej mindst lige så hurtig som omvejen, med revisionssporet intakt, så den bekvemmelighed, der lige nu sender arbejde til en ekstern konto, har et sted at gå hen inden for jeres egne vægge i stedet.
Sådan ser det her faktisk ud næste mandag
Intet af det her kræver en arbejdsgruppe. Det kræver en times ærlig kiggen, en kort samtale med de to eller tre roller, der kopierer og indsætter mest, og en vilje til at behandle det, I finder, som nyttig information frem for som en disciplinærsag. Spørg folk direkte, hvad de prøvede at få gjort lige før de åbnede ChatGPT — de fleste vil sige det ligeud, fordi de ikke prøvede at skjule noget, de prøvede at gøre en opgave færdig. Sammenlign så den opgave, trin for trin, med hvor lang tid den tager gennem jeres officielle værktøjer. Det hul, I finder, er jeres faktiske produktkøreplan for næste kvartal, givet gratis af de mennesker, der bruger jeres systemer hver dag.
De teams, der tager fejl her, behandler kopiering og indsættelse som et spørgsmål om integritet og bruger et kvartal på at skrive en politik, ingen læser. De teams, der rammer rigtigt, behandler det som markedsundersøgelse, ingen skulle betale for, og bruger det samme kvartal på at lukke de to eller tre huller, der sendte alle uden om de værktøjer, de allerede havde.